[发明专利]一种基于先验模板的肌电运动单元分解方法

说明书

本发明涉及一种基于先验模板的肌电运动单元分解方法。本发明首先，利用几个带有可变表达式的先验模板来拟合运动单元动作电位的波形；接着提出了一种迭代匹配策略，实现了运动单元的逐层剥离；随后引入尖峰触发平均算法来重新确定运动单元动作电位波形，使其更符合真实的肌电运动单元。最后，建立基于真实信号分解结果的评估指标，用于评价分解算法的性能。本发明能在低噪声水平下检测和识别有效的运动单元，具有较为良好的性能。

技术领域

本发明属于信号处理及模式识别领域，涉及一种肌电信号的分解方法，特别涉及一种基于先验模板将肌电信号分解为运动单元成分信息的方法。

背景技术

肌肉收缩时，运动单元中的运动神经元开始兴奋，导致所有由运动神经元支配的肌纤维收缩，从而产生运动单元动作电位，多个运动单元发放的动作电位经过复杂的综合叠加过程最后在检测电极处形成肌电信号。肌电信号的分解实际上就是信号生成的逆过程，其根本目的就是分离出各个运动单元发放的动作电位，获取运动单元相关信息。而这些运动单元相关信息，如发放波形、间隔发放模式和募集规律等，可以提供有关对神经系统健康至关重要的肌肉疾病的临床诊断的决定性细节，有助于从根本上探索神经肌肉系统的生理机制，在肌肉疾病的临床诊断、肌肉组织之间运动协调关系的研究及中枢神经元控制机理的探索等方面具有重大价值。因此，研究肌电信号分解对反映运动神经肌肉系统控制机理和临床应用诊断有着重要的意义。

近二十年来，许多研究者致力于肌电信号的分解工作，提出了多种分解技术，取得了一定的突破性成果。根据这些成果分解基本思路的不同，肌电信号分解方法可以被总结分为系统辨识法和形态学分解法两类。系统辨识法主要将人体的神经肌肉系统视为多输入多输出系统，并采用盲源分离方法将肌电信号分解为符合运动单元动作电位分布特征的各个分量。不少学者基于此作出了重大贡献，Zazula和Holobar等人将盲反卷积和卷积核补偿相结合应用于肌电信号信号分解，并获得了可靠的结果。陈茂启等人构建了一个用于高密度肌电信号分解的渐进式Fast ICA剥离框架，并通过多次试验和仿真验证了其可靠性。然而，目前的系统辨识法都是基于高密度肌电信号，对单通道肌电信号存在一定局限性。

而形态学分解法是根据不同运动单元动作电位波形的固有形态特征，通过优化算法直接从肌电信号中提取运动单元动作电位序列。Deluca团队自1982年以来一直从事肌电信号形态学分解工作，最近建立了基于形态分解的Precision Decomposition III系统，并将分解结果与肌内肌电信号进行比较以评估分解可靠性。随后，利用改系统分解了75％-100％的最大自主收缩下的肌电信号信号，准确率达到了92.5％。这些研究都为肌电信号分解奠定了坚实的基础，为进一步探索运动单元对运动的影响提供了便利。

发明内容

针对现有的肌电信号分解方法很少有通用数学表达式，且分解过程繁冗复杂，在实际应用中缺乏灵活性的问题，本发明提出一种基于先验模板的肌电信号分解方法。

本发明首先，利用几个带有可变表达式的先验模板来拟合运动单元动作电位的波形；接着提出了一种迭代匹配策略，实现了运动单元的逐层剥离；随后引入尖峰触发平均算法来重新确定运动单元动作电位波形，使其更符合真实的肌电运动单元。最后，建立基于真实信号分解结果的评估指标，用于评价分解算法的性能。

本发明包括以下步骤：

步骤1：采集志愿者15％最大自主收缩力持续作用下与静息状态下的肌电信号。

步骤2：采用小波包去噪处理步骤1中得到的肌电信号，以获得较为纯净的肌电信号。

步骤3：对肌电信号进行运动单元分解，包括以下具体步骤：

步骤3.1：根据运动单元发放序列波形的形态学特征来确定了四个先验模板。选择n阶Hermite-Rodriguez函数作为先验模板对运动单元动作电位波形进行模拟，运动单元动作电位波形大多呈双相或三相的结构，n阶Hermite-Rodriguez函数与正态函数的n阶导数成正比，能够有效地模拟运动单元动作电位波形。